Медицинский портал

Мaшиннoe oбучeниe мoжeт oблeгчить xимикaм и фaрмaкoлoгaм жизнь, «пoдскaзывaя» им фoрмулы для прoизвoдствa новых лекарств.

Смешивание химических веществ в лаборатории – занятие не из простых, и разработка нового лекарственного средства – максимально эффективного и безопасного – требует значительных усилий. И немалых вложений.

Согласно исследованию, опубликованному в журнале Science, искусственный интеллект (AI), разработанный исследователями из Принстонского университета и исследовательских лабораторий Merck, может помочь сотрудникам лабораторий найти «идеальную смесь»: алгоритм команд для машинного обучения умеет точно прогнозировать химические реакции на выходе и оценивать их производительность.

«Многие из подобных алгоритмов для машинного обучения используются в других отраслях уже довольно давно, но никогда прежде – для синтетической или органической химии. По разным причинам мы не использовали захватывающие возможности, которые предлагает искусственный интеллект, пришла пора это изменить. Обычно химики, анализируя результат различных реакций, изменяют одну переменную за один раз. Этот алгоритм может прогнозировать результаты после одновременного изменения четырех разных компонентов, и это значительный прогресс», – заявили разработчики.

Помимо этого, искусственный интеллект помогает обойти одно из наибольших препятствий для создания многомерных моделей, к коим относятся лекарства, – это вычисление «дескриптора» для каждого отдельного химического вещества. Дескриптор представляет собой входное значение, которое несет информацию о каждом химическом веществе — о том, сколько у него есть связей, его молекулярном весе, о его структурной формуле и мн. др., поэтому вычисление каждого дескриптора – очень трудоемкая задача, особенно когда речь идет о переборе огромного количества химических комбинаций.

Исследователям удалось изменить код для быстрого вычисления и извлечения дескрипторов для каждого отдельного химического вещества. Уже сейчас можно утверждать, что новый модифицированный алгоритм для машинного обучения умеет обрабатывать данные, что не под силу обычным химикам.

Исследователи надеются, что их разработка упростит процесс получения синтетических соединений при разработке новых лекарств, и чтобы помочь другим своим коллегам, они обеспечили открытый доступ к своему программному обеспечению другим лабораториям –оно подходит для любой реакции и любого субстрата.